对抗机器学习课程计划

预备课程 0.1 基础知识回顾： 回顾机器学习的基本概念，包括监督学习、无监督学习和强化学习。 0.2 模型安全性和隐私： 探讨机器学习模型的安全性和隐私问题，包括数据泄露和模型逆向工程。 0.3 梯度下降和优化： 深入了解梯度下降和其他优化方法，这是理解对抗攻击的基础。 0.4 神经网络架构： 研究不同类型的神经网络架构，如CNN、RNN和GAN。 0.5 损失函数和评估指标： 探讨用于训练和评估模型的不同损失函数和性能指标。 0.6 对抗样本基础： 介绍对抗样本的概念，包括它们是如何生成的以及为什么会...【查看原文】